Scrapy框架爬取智联招聘网站上海地区python工作第一页(90条)

本文主要是介绍Scrapy框架爬取智联招聘网站上海地区python工作第一页(90条),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

1. 创建项目:

  CMD下  

      scrapy startproject zhilianJob

   然后 cd zhilianJob ,  创建爬虫文件 job.py: scrapy genspider job xxx.com

2. settings.py 中:

USER_AGENT = 'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'
ROBOTSTXT_OBEY = False
ITEM_PIPELINES = {'zhilianJob.pipelines.ZhilianjobPipeline': 300,
}

 

3. 爬虫文件job.py中:

# -*- coding: utf-8 -*-
import scrapy
import json
from zhilianJob.items import ZhilianjobItemclass JobSpider(scrapy.Spider):name = 'job'# allowed_domains = ['www.sou.zhaopin.com']# start_urls可以简写成:https://fe-api.zhaopin.com/c/i/sou?pageSize=90&cityId=538&kw=python&kt=3start_urls = ['https://fe-api.zhaopin.com/c/i/sou?pageSize=90&cityId=538&salary=0,0&workExperience=-1&education=-1&companyType=-1&employmentType=-1&jobWelfareTag=-1&kw=python&kt=3&=0&_v=0.02964699&x-zp-page-request-id=3e524df5d2b541dcb5ddb82028a5c1b6-1565749700925-710042&x-zp-client-id=2724abb6-fb33-43a0-af2e-f177d8a3e169']def parse(self, response):# print(response.text)data = json.loads(response.text)job = data['data']['results']# print(job)try:for j in job:item = ZhilianjobItem()item['job_name'] = j['jobName']item['job_firm'] = j['company']['name']item['job_firmPeople'] = j['company']['size']['name']item['job_salary'] = j['salary']item['job_type'] = j['jobType']['items'][0]['name']item['job_yaoqiu'] = j['eduLevel']['name'] + ',' + j['workingExp']['name']item['job_welfare'] = ','.join(j['welfare'])yield itemexcept Exception as e:print(e)

 

4. items.py中:

  

# -*- coding: utf-8 -*-# Define here the models for your scraped items
#
# See documentation in:
# https://doc.scrapy.org/en/latest/topics/items.htmlimport scrapyclass ZhilianjobItem(scrapy.Item):# define the fields for your item here like:job_name = scrapy.Field()       #工作名称job_firm = scrapy.Field()       #公司名称job_firmPeople = scrapy.Field()       #公司人数job_type = scrapy.Field()       #工作类型job_salary = scrapy.Field()     #薪水job_yaoqiu = scrapy.Field()     #工作要求job_welfare = scrapy.Field()    #福利pass

5. 创建数据库,根据items中字段对应即可

6 . 管道文件pipelines.py:

import pymysql
class ZhilianjobPipeline(object):conn = Nonemycursor = Nonedef open_spider(self,spider):self.conn = pymysql.connect(host='172.16.25.37',port=3306,user='root',password='root',db='scrapy')# 获取游标self.mycursor = self.conn.cursor()print('正在清空之前的数据...')# 我只打算要第一页的数据,所以每次爬取都是最新的,要把数据库里的之前的数据要清空sql1 = "truncate table sh_python"self.mycursor.execute(sql1)print('已清空之前的数据,上海--python--第一页(90)...开始下载...')def process_item(self, item, spider):job_name = item['job_name']job_firm = item['job_firm']job_firmPeople = item['job_firmPeople']job_salary = item['job_salary']job_type = item['job_type']job_yaoqiu = item['job_yaoqiu']job_welfare = item['job_welfare']try:sql2 = "insert into sh_python VALUES (NULL ,'%s','%s','%s','%s','%s','%s','%s')"%(job_name,job_firm,job_firmPeople,job_salary,job_type,job_yaoqiu,job_welfare)#执行sqlself.mycursor.execute(sql2)#提交self.conn.commit()except Exception as e:print(e)self.conn.rollback()return itemdef close_spider(self,spider):self.mycursor.close()self.conn.close()print('上海--python--第一页(90)...下载完毕...')

 

7. 看数据库是否有数据

成功。

 

转载于:https://www.cnblogs.com/wshr210/p/11351842.html

这篇关于Scrapy框架爬取智联招聘网站上海地区python工作第一页(90条)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/339965

相关文章

基于Python开发Windows屏幕控制工具

《基于Python开发Windows屏幕控制工具》在数字化办公时代,屏幕管理已成为提升工作效率和保护眼睛健康的重要环节,本文将分享一个基于Python和PySide6开发的Windows屏幕控制工具,... 目录概述功能亮点界面展示实现步骤详解1. 环境准备2. 亮度控制模块3. 息屏功能实现4. 息屏时间

Python如何去除图片干扰代码示例

《Python如何去除图片干扰代码示例》图片降噪是一个广泛应用于图像处理的技术,可以提高图像质量和相关应用的效果,:本文主要介绍Python如何去除图片干扰的相关资料,文中通过代码介绍的非常详细,... 目录一、噪声去除1. 高斯噪声(像素值正态分布扰动)2. 椒盐噪声(随机黑白像素点)3. 复杂噪声(如伪

Python中图片与PDF识别文本(OCR)的全面指南

《Python中图片与PDF识别文本(OCR)的全面指南》在数据爆炸时代,80%的企业数据以非结构化形式存在,其中PDF和图像是最主要的载体,本文将深入探索Python中OCR技术如何将这些数字纸张转... 目录一、OCR技术核心原理二、python图像识别四大工具库1. Pytesseract - 经典O

基于Linux的ffmpeg python的关键帧抽取

《基于Linux的ffmpegpython的关键帧抽取》本文主要介绍了基于Linux的ffmpegpython的关键帧抽取,实现以按帧或时间间隔抽取关键帧,文中通过示例代码介绍的非常详细,对大家的学... 目录1.FFmpeg的环境配置1) 创建一个虚拟环境envjavascript2) ffmpeg-py

python使用库爬取m3u8文件的示例

《python使用库爬取m3u8文件的示例》本文主要介绍了python使用库爬取m3u8文件的示例,可以使用requests、m3u8、ffmpeg等库,实现获取、解析、下载视频片段并合并等步骤,具有... 目录一、准备工作二、获取m3u8文件内容三、解析m3u8文件四、下载视频片段五、合并视频片段六、错误

Python中提取文件名扩展名的多种方法实现

《Python中提取文件名扩展名的多种方法实现》在Python编程中,经常会遇到需要从文件名中提取扩展名的场景,Python提供了多种方法来实现这一功能,不同方法适用于不同的场景和需求,包括os.pa... 目录技术背景实现步骤方法一:使用os.path.splitext方法二:使用pathlib模块方法三

Python打印对象所有属性和值的方法小结

《Python打印对象所有属性和值的方法小结》在Python开发过程中,调试代码时经常需要查看对象的当前状态,也就是对象的所有属性和对应的值,然而,Python并没有像PHP的print_r那样直接提... 目录python中打印对象所有属性和值的方法实现步骤1. 使用vars()和pprint()2. 使

使用Python和OpenCV库实现实时颜色识别系统

《使用Python和OpenCV库实现实时颜色识别系统》:本文主要介绍使用Python和OpenCV库实现的实时颜色识别系统,这个系统能够通过摄像头捕捉视频流,并在视频中指定区域内识别主要颜色(红... 目录一、引言二、系统概述三、代码解析1. 导入库2. 颜色识别函数3. 主程序循环四、HSV色彩空间详解

一文深入详解Python的secrets模块

《一文深入详解Python的secrets模块》在构建涉及用户身份认证、权限管理、加密通信等系统时,开发者最不能忽视的一个问题就是“安全性”,Python在3.6版本中引入了专门面向安全用途的secr... 目录引言一、背景与动机:为什么需要 secrets 模块?二、secrets 模块的核心功能1. 基

SpringBoot整合Flowable实现工作流的详细流程

《SpringBoot整合Flowable实现工作流的详细流程》Flowable是一个使用Java编写的轻量级业务流程引擎,Flowable流程引擎可用于部署BPMN2.0流程定义,创建这些流程定义的... 目录1、流程引擎介绍2、创建项目3、画流程图4、开发接口4.1 Java 类梳理4.2 查看流程图4